首页期刊导航|遥感技术与应用
期刊信息/Journal information
遥感技术与应用
遥感技术与应用

吴季

双月刊

1004-0323

rsta@lzb.ac.cn

0931-8272180

730000

兰州市天水路8号

遥感技术与应用/Journal Remote Sensing Technology and ApplicationCSCD北大核心CSTPCD
查看更多>>本刊主要刊登国内外遥感理论，技术及应用研究领域的学术论文与综述，报道国内外遥感研究与应用的发展动向，新技术，新理论，新方法和新成果。
正式出版
收录年代

    非二温室气体—HFC遥感和观测研究进展综述

    张灏张兴赢李正强韩颍慧...
    1-10页
    查看更多>>摘要：近年来氢氟化碳HFC气体丰度不断增加,其温室潜能值巨大,对全球变暖产生影响的同时也间接造成臭氧层的破坏.国内外学者开展了广泛的地面原位测量来获取其全球丰度,同时遥感技术可以大范围、长时间、快速监测HFC气体的变化,成为该气体浓度反演的重要手段.对原位测量方法、示踪物比值法、卫星反演传感器发展和卫星反演方法4个方面的内容进行阐述,结合载荷特征分析比较不同反演方法的优缺点,最后对当前反演存在的问题和未来的发展趋势进行了讨论和展望.

    HFC气体遥感反演温室气体监测

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    激光雷达与高光谱成像技术数据融合研究进展

    王书伟舒清态马旭肖劲楠...
    11-23页
    查看更多>>摘要：近年来,为提高地物分类精度,突破单一传感器的技术擎制,弥补单一数据源应用的局限性,多源遥感数据融合的成为了遥感领域众多学者关注的研究热点.高光谱遥感技术的光学影像同激光雷达点云数据的融合技术在技术层面为提升地物识别与分类的精度上提供了一种可行方案,打破了单一传感器的技术上限,为 目标三维空间—光谱信息一体化获取提供了一种新的解决途径,同时为高光谱激光雷达成像技术研究奠定基础.本文回顾了激光雷达与高光谱成像数据融合发展历程,论述其在特征级和决策级的主要融合方法和研究进展,将常用特征级融合和决策级融合方法进行详细介绍,并对最新几种研究算法进展进行小结和概述,探讨了其面临的挑战和未来发展与应用前景,最后对激光雷达和高光谱成像数据融合未来发展做出系统展望.

    高光谱遥感激光雷达数据融合

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于孪生残差神经网络的GF-2影像林地变化检测——以浙江省建德林场为例

    艾遒一黄华国郭颖刘炳杰...
    24-33页
    查看更多>>摘要：森林是世界上生产力最高的可再生自然资源之一,但由于火灾、洪水、砍伐等多种自然或人为因素干扰,森林的生态环境受到严重威胁.准确掌握林地资源变化的情况,可以为森林资源的管理与保护提供有效信息.由于林地类别及树种差异较大,在林地变化检测任务中传统的机器学习变化检测方法难以捕捉深层次语义信息,存在提取特征适应性差、识别能力弱以及因季相导致的伪变化等问题.提出以孪生残差神经网络构建深度学习模型,进行林地变化的检测实验.分别采用残差神经网络ResNet50、添加不同轻量级注意力机制如卷积注意力机制模块CBAM和压缩和激励模块SE3种不同特征提取方法作为主干特征提取模块.3种主干特征提取网络都基于预训练权重进行训练,通过将提取的多尺度的特征图进行融合,使得不同特征图中信息粗略细节和精细细节互补,从而改善变化检测效果,同时具有相同数量的参数,共享权值的优点.以浙江省建德林场为实验区,获取2015年和2020年两期高分二号卫星影像,构建一套分辨率为1 m的林地变化检测数据集.对孪生残差神经网络变化检测的结果和真实变化标签进行比较,其中主干特征提取网络SE-ResNet50综合结果最好,精确率为0.91,召回率为0.78,F1分数为0.83,要优于主流的变化检测模型FC-Siam-conc、FC-Siam-diff.证明孪生残差神经网络在高分辨率遥感影像林地变化检测任务中能够准确捕捉林地变化,为森林资源管理部门提供了新的林地变化检测方法.

    林地变化检测深度学习注意力机制孪生神经网络残差神经网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    结合可见光植被指数和分水岭算法的单木树冠信息提取

    陈树新刘炳杰王海熠苏勇...
    34-44页
    查看更多>>摘要：相比于传统的人工实地调查的方法,通过无人机倾斜摄影测量技术多角度拍摄提取单木树冠信息,具有高效、准确和低成本等优势.以内蒙古自治区赤峰市喀喇沁旗西南部旺业甸林场的落叶松近成熟林为研究对象,以倾斜摄影测量技术获取的无人机影像为数据源,提出一种结合可见光植被指数和分水岭算法的单木冠幅提取方法.首先通过数字正射影像计算可见光波段超绿超红差分指数;选择合理阈值对图像进行二值化,并利用中值滤波对树冠区域图进行去噪处理,分离出植被与非植被区域;以植被区域为掩膜范围对冠层高度模型进行掩膜;最后,利用分水岭分割算法提取单木树冠进行精度验证.在树冠区域提取过程中,基于超绿超红差分指数结合阈值法成功分离出植被与非植被区域;通过中值滤波有效地去除了因亮度不均、阴影及非植被区域的纹理等信息所造成的斑点和噪声,保证了树冠边缘的完整性及树冠内部的连通性,同时减少了分水岭算法的过分割现象.单木尺度上,树冠参数信息提取的准确率分别为88.72％和79.38％,召回率分别为93.29％和88.60％,F测度分别为90.59％和83.74％;样地尺度上,相对误差分别为15.45％和22.92％.研究结果表明:基于数字正射影像采用可见光植被指数提取植被区域很好地消除了林内裸地等背景因素的影响,同时基于冠层高度模型利用分水岭分割算法能够精确的区分单木信息.基于无人机倾斜摄影测量技术得到的两种数据源结合发挥了各自的优势,能够高效、准确地提取较高郁闭度林分的单木树冠信息.

    倾斜摄影单木树冠可见光植被指数阈值分割分水岭分割

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    地基与无人机LiDAR融合点云的人工林蓄积量估算

    朱俊峰刘清旺崔希民张文博...
    45-54页
    查看更多>>摘要：激光雷达(Light Detection and Ranging,LiDAR)在林业调查中应用广泛,但单独利用地基或无人机LiDAR难以完整描述复杂的森林垂直结构,地基和无人机的结合可以获取更完整的森林空间结构信息.对地基与无人机点云进行配准融合并提取单木主干,使用随机Hough变换分段拟合树干点云,由分段树干直径拟合削度方程并使用区分求积法计算单木材积,累加单木材积得到样地蓄积量.与二元材积模型计算值进行对比,结果表明:基于融合点云计算单木材积的精度优于地基点云,R2可提升2％以上,RMSE降低0.01 m3;削度方程结合区分求积法计算出样地蓄积量R2=0.98,RMSE为0.87 m3,达到较高精度,其中杉木材积计算结果的R2为0.96、RMSE为0.07 m3,桉树材积的R2为0.93,RMSE为0.07 m3;简单、中等、复杂3类样地中,简单和中等样地杉木和桉树材积的R2均在0.94以上,RMSE在0.07 m3左右,复杂样地中材积结果的R2在0.9以下;地基和无人机LiDAR融合点云可以更精细地测量森林空间结构,更好地满足森林资源调查业务化应用的需求.

    点云融合单木材积

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于Landsat-8 OLI影像和指数法的红树林提取对比研究

    刘凯王子予曹晶晶
    55-66页
    查看更多>>摘要：红树林是全球净初级生产力最高的生态系统之一,其在全球气候变化和海岸带地理环境演变研究中发挥着重要作用.快速且准确地获取大范围红树林空间分布,对于红树林资源的有效管理和开发利用具有重要意义.Landsat系列卫星影像已成为大范围、长周期红树林分布信息提取的重要数据源.选取华南沿海的英罗湾和珍珠港作为实验区,利用Landsat-8 OLI影像结合归一化差异红树林指数(Normalized Difference Mangrove Index,NDMI)、综合红树林识别指数(Combined Mangrove Recognition Index,CMRI)、模块化红树林识别指数(Modular Mangrove Recognition Index,MMRI)、红树林指数(Mangrove Index,MI)和红树林植被指数(Mangrove Vegetation Index,MVI)5种指数来提取红树林分布信息,并对比5种指数用于红树林提取的效果,筛选适用于Landsat-8 OLI影像的最佳红树林提取指数.提出了结合归一化差异水体指数(Normalized Difference Water Index,NDWI)优化的红树林分布信息提取方案,以提升红树林分布信息的遥感监测能力,并应用于广西沿海大范围红树林空间分布的提取.研究结果表明:①基于Landsat-8 OLI影像和指数法可以有效提取红树林分布信息;用于提取红树林的5种指数中MVI指数的提取效果最好,CMRI指数的提取效果最差.②结合NDWI指数可以进一步提高红树林提取精度,优化后的MVI指数应用于广西沿海红树林的提取结果最佳,总体精度达到97.10％.本文提出的研究方案和红树林指数阈值范围,可为大范围红树林分布提取提供参考和决策支持.

    红树林遥感指数法信息提取Landsat8

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    融合空—天遥感数据的毛竹林叶绿素含量反演模型对比研究

    宋凌寒刘小杰张仓皓钟霜雯...
    67-76页
    查看更多>>摘要：毛竹(Phyllostachys edulis)是我国南方集约经营广泛且十分重要的森林资源之一,叶绿素含量(CCI,chlorophyll content index)是反映植物健康状况和生长情况的重要指标,实现毛竹林叶绿素含量遥感反演对监测毛竹林健康程度具有重要意义.本研究以毛竹为对象,基于卫星遥感影像与无人机多光谱数据,通过运用HSV(Hue-Saturation-Value)变换、GS(Gram-Schmidt Pan Sharpening)变换、PCA(Principal Component Analysis)变换 3种方式,实现Landsat 8 多光谱影像与无人机(UAV,Unmanned Aerial Vehicle)高分辨率单波段影像数据融合;选取8种植被指数,利用K 邻近(KNN,k-Nearest Neighbor)回归、随机森林(RF,Random Forest)回归和 CatBoost 回归 3 种机器学习模型构建毛竹林叶片叶绿素单位含量反演模型.结果表明:①就融合效果而言,GS为最优模型,其变换均值、标准差、平均梯度联合熵、空间频率均最高,分别为73.407 8、80.672 9、29.6992、9.765 5、74.876 9;②在基于融合多光谱数据、Landsat 8多光谱数据和无人机数据验证集上,最优算法均为 RF 算法(R2 分别为 0.687 6、0.576 1、0.425 4,RMSE 分别为 2.918 4 μg/cm2、3.559 5 µg/cm2、3.974 5 μg/cm2).③基于融合数据的叶绿素含量反演效果优于仅使用Landsat 8数据和无人机数据的反演效果.本研究耦合多源遥感数据实现毛竹林叶绿素含量遥感反演,可为动态监测毛竹林健康情况提供科学参考.

    多源遥感数据图像融合叶绿素无人机机器学习

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于表观特征的毛竹扩张杉木林遥感监测研究

    严夏帆曹碧凤师吉红陆雪婷...
    77-86页
    查看更多>>摘要：研究毛竹扩张机制可为推进森林资源科学经营和提升林权制度改革成效提供依据,遥感难以直接探测毛竹地下茎的生长潜向,必须依赖毛竹扩张的表面特征变化,方可监测毛竹扩张过程的变化.为此研究以竹—杉混交林为对象,选择毛竹扩张杉木林过程中遥感可量化的表观因子(林分光谱特征、林分密度、林分叶面积指数),构建表观特征综合监测模型,分析表观特征综合指数与扩张程度的内在关系,揭示毛竹向杉木林扩张过程的动态变化.其中各表观因子的获取方式为:①通过无人机多光谱影像的植被指数获得林分光谱特征和林分叶面积指数;②采用面向对象多尺度分割获取林分密度.结果表明:林分光谱特征中复合植被指数、林分密度、林分叶面积指数均随扩张程度的加深呈上升趋势,林分光谱特征中的黄色因子反之;表观特征综合指数为0.348×复合植被指数+0.054×黄色因子+0.041 ×林分密度+0.558×林分叶面积指数,表观特征综合指数与扩张程度呈较正相关(R2=0.574),利用表观特征综合指数指示毛竹扩张程度具有合理性,表观特征综合指数随扩张程度的加深而上升.

    毛竹杉木扩张表观特征遥感

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    无人机点云与图像跨模态混合融合的乔木林单木尺度树种分类研究

    鄢敏夏永华王冲孔夏丽...
    87-97页
    查看更多>>摘要：为探索机载点云与无人机可见光影像在乔木树种识别与分类领域的应用潜力,提出了一种多模态特征与决策混合融合的无人机单木尺度树种分类识别方法.首先使用Kendall Rank相关系数法与排列重要性分析(Permutation Importance,PI)进行特征选择,采用高效低秩多模态融合算法(Low-rank Multimodal Fusion,LMF)融合点云与影像特征.再引入集成学习,将点云、影像及融合特征分别输入Stacking集成的极限梯度提升机(eXtreme Gradient Boosting,XGBoost)、轻型梯度提升机(Light Gradient Boosting Machine,LightGBM)与随机森林(Random Forest,RF)3 个基分类器,最后采用元分类器—朴素贝叶斯进行决策融合.实验数据表明:所提方法独立测试精度达99.4％,较传统的特征串联融合随机森林分类器提升了 22.58％,Kappa系数提升了 0.285 4.与卷积神经网络(Convolutional Neural Network,CNN)对比实验证明:所提算法在小样本训练的优势明显,且具有更好的泛化能力.

    多模态融合单木尺度树种分类集成学习

      原文链接:
    • NETL
    • NSTL
    • 维普
    • 万方数据

    基于哨兵-2数据的喀斯特高原深水湖库CODMn遥感反演

    王姣李威赵卫权赵祖伦...
    98-109页
    查看更多>>摘要：利用哨兵-2数据及多种方法反演喀斯特高原深水湖库的高锰酸盐指数(CODMn),对于区域水环境管理和丰富水质反演理论具有重要意义.以贵阳市红枫湖与百花湖为研究区,基于Sentinel-2 MSI影像和CODMn浓度数据,使用随机森林回归(RFR)、支持向量回归方法(SVR)、高斯过程回归(GPR),构建CODMn反演模型,获得2018～2020年不同时期的CODMn空间分布.结果表明:①RFR模型估算精度最高,验证集RMSE为0.222 mg·L-1,MAPE为5.84％,R2为0.841;②红枫湖CODMn浓度变化呈现上游高于下游、春季高于夏季的时空分布特征.百花湖除了上游,整体湖区CODMn浓度较低且随时间变化不大.研究揭示了 RFR模型与Sentinel-2数据在喀斯特高原深水湖库CODMn浓度反演具有良好的适用性.

    Sentinel-2MSICODMn机器学习C2RCC喀斯特高原深水型湖库

      原文链接:
    • NETL
    • NSTL
    • 万方数据